扩散模型（Diffusion Models）：生成图像与动态画面的核心引擎大语言模型（LLM）：理解语义、解析指令、构建叙事逻辑计算机视觉（CV）+ 动态建模：实现运动轨迹预测、光影变化模拟、镜头语言设计三者协同工作，形成「文本/图片 → 意图理解 → 关键帧生成 → 连贯动画渲染 → 高清输出」的完整链路。步骤功能说明① 内容理解大模型解析输入提示词或脚本，提取主体、场景、动作、情绪、风格等要素